Νέα μέθοδος ανίχνευσης άνοιας συνδυάζει AI και συμμετοχή ασθενών
Η έγκαιρη ανίχνευση της άνοιας, και ειδικότερα της νόσου Αλτσχάιμερ, παραμένει μια πρόκληση για πολλές πρωτοβάθμιες ιατρικές πρακτικές. Οι περιορισμένες ώρες που οι γιατροί μπορούν να αφιερώσουν στους ασθενείς, σε συνδυασμό με την ανάγκη να εστιάσουν στα προβλήματα υγείας που οδήγησαν τον ασθενή στην κλινική, δημιουργούν ένα περιβάλλον όπου η αναγνώριση της άνοιας συχνά παραλείπεται. Επιπλέον, η κοινωνική στίγμα που συνοδεύει την άνοια δυσκολεύει την κατάσταση.
Καινοτόμος μέθοδος ανίχνευσης
Μια ομάδα ερευνητών έχει αναπτύξει μια πλήρως ψηφιακή μέθοδο ανίχνευσης άνοιας που βασίζεται στην τεχνητή νοημοσύνη και μπορεί να εφαρμοστεί σε πρωτοβάθμιες ιατρικές κλινικές χωρίς να απαιτεί επιπλέον χρόνο από τους γιατρούς. Σε μια κλινική δοκιμή που περιλάμβανε περισσότερους από 5,000 ασθενείς, οι ερευνητές από το Ινστιτούτο Regenstrief, το Ιατρικό Σχολείο του Πανεπιστημίου της Ιντιάνα, το Eskenazi Health, το Ιατρικό Σχολείο του Πανεπιστημίου του Μαϊάμι και το Πανεπιστήμιο Lamar, δοκίμασαν μια διπλή προσέγγιση που συνδυάζει το Quick Dementia Rating System (QDRS) και ένα εργαλείο τεχνητής νοημοσύνης, γνωστό ως παθητικός ψηφιακός δείκτης.
Αύξηση διαγνώσεων και προσβάσιμη φροντίδα
Η συνδυασμένη αυτή μέθοδος αύξησε τη διάγνωση νέων περιπτώσεων άνοιας κατά 31% σε σύγκριση με την παραδοσιακή φροντίδα, χωρίς να απαιτεί επιπλέον χρόνο ή κοστοβόρες εξετάσεις. Ο παθητικός ψηφιακός δείκτης, που έχει αναπτυχθεί τα τελευταία 10 χρόνια από τον Δρ. Malaz Boustani και την ομάδα του, χρησιμοποιεί αλγορίθμους μηχανικής μάθησης και φυσική γλώσσα για να αναλύσει δεδομένα από ηλεκτρονικά ιατρικά αρχεία, εντοπίζοντας ζητήματα μνήμης, αγγειακές ανησυχίες και άλλους παράγοντες που σχετίζονται με την άνοια.
«Αυτή η προσέγγιση είναι η πιο κλίμακα που γνωρίζω για την έγκαιρη ανίχνευση», δήλωσε ο Δρ. Boustani, ο οποίος είναι επικεφαλής συγγραφέας της κλινικής δοκιμής. «Οι περισσότερες μέθοδοι ανίχνευσης απαιτούν τουλάχιστον πέντε λεπτά από τον γιατρό και συχνά συνοδεύονται από τέλη αδειοδότησης. Αντίθετα, η δική μας μέθοδος απαιτεί μηδενικό χρόνο ή χρήματα από τους γιατρούς.»
Προοπτικές για το μέλλον
Η δοκιμή, που διεξήχθη σε εννέα κέντρα υγείας του Eskenazi στην Ιντιάνα, ενσωμάτωσε το QDRS και τον παθητικό ψηφιακό δείκτη απευθείας στο ηλεκτρονικό ιατρικό αρχείο Epic. Το σύστημα προσκάλεσε αυτόματα τους ασθενείς ηλικίας 65 ετών και άνω να συμπληρώσουν την σύντομη έρευνα QDRS μέσω της πύλης ασθενών, ενώ ο αλγόριθμος του παθητικού ψηφιακού δείκτη ανέλυε συνεχώς τα υπάρχοντα κλινικά δεδομένα για να επισημάνει τους ασθενείς που κινδύνευαν. Τα αποτελέσματα εμφανίζονταν αυτόματα στο inbox του γιατρού, προτρέποντας περαιτέρω αξιολόγηση μόνο όταν ήταν απαραίτητο.
«Αυτό που είναι ισχυρό σε αυτή την προσέγγιση είναι ότι βοηθά στην ισοπέδωση του εδάφους», δήλωσε η Δρ. Zina Ben Miled, επιστήμονας του Regenstrief και καθηγήτρια στο Πανεπιστήμιο Lamar. «Ενσωματώνοντας αυτά τα εργαλεία απευθείας στο ηλεκτρονικό ιατρικό αρχείο, μπορούμε να προσεγγίσουμε ασθενείς που διαφορετικά θα μπορούσαν να παραληφθούν, διασφαλίζοντας ότι όλοι, ανεξαρτήτως υποβάθρου ή πόρων, έχουν την ίδια ευκαιρία για πρώιμη διάγνωση.»
